Тема 5. Характеристики взаимосвязи признаков. Понятие зависимости вероятностных событий. Общий обзор мер связи и их соответствие типам измерений и шкал.
Оценка связи между качественными признаками, измеренными методом регистрации. Коэффициент «четырех клеточной корреляции». Коэффициент взаимной сопряженности Пирсона. Коэффициент взаимной сопряженности Чупрова. Коэффициент контингенции.
Оценка связи между качественными признаками, измеренными методом упорядочивания. Коэффициенты ранговой корреляции r–Спирмена и t–Кендэлла. Метод экспертных оценок и оценка согласованности мнений экспертов: коэффициент согласованности Спирмена и коэффициент конкордации Кендэлла и Бэбингтона Смита.
Оценка связи между количественными признаками. Коэффициент корреляции r Пирсона. Корреляционное отношение h (общее представление).
Тема 6. Анализ структуры взаимосвязей. Графический метод анализа корреляционной матрицы. Метод корреляционных плеяд. Понятие графов. Ориентированный граф. Мощность плеяды. Крепость плеяды. Типы структур: цепь, кольцо, звезда, решетка.
Максимальный корреляционный путь как аналог однофакторного решения Спирмена (центроидный метод). Анализ корреляционной матрицы методом построения максимального корреляционного пути. Алгоритм построения максимального корреляционного пути.
Тема 7. Решение задачи сравнения выборок. Понятие статистических критериев и их виды. Сравнение распределений: проверка гипотез. Понятие статистической гипотезы. Нулевая и альтернативная гипотезы. Направленная и ненаправленная гипотезы. Статистические критерии. Таблицы критических значений. Число степеней свободы. Параметрические и непараметрические критерии. Возможности и ограничения параметрических и непараметрических критериев. Уровни статистической значимости. Правило отклонения нулевой гипотезы и принятия альтернативной гипотезы: зона незначимости, зона неопределенности и зона значимости. Мощность критериев. Зависимые и независимые выборки.
Тема 8. Выявление различий в уровне исследуемого признака. Параметрический критерий t Стьюдента для сравнения результатов количественного измерения: назначение критерия, его описание, область применения, алгоритм применения для независимых выборок. Использование t-критерия Стьюдента для сравнения результатов регистрирующего измерения.
Непараметрические критерии. Критерий Розенбаума: назначение критерия, его описание, область применения, алгоритм применения. Критерий Манна—Уитни: назначение критерия, его описание, область применения, алгоритм применения. Критерий тенденций Крускала—Уоллиса назначение критерия, его описание, область применения, алгоритм применения. Критерий тенденций Джонкира: назначение критерия, его описание, область применения, алгоритм применения.
Тема 9. Оценка достоверности сдвига в значениях исследуемого признака. Параметрический критерий t Стьюдента для сравнения результатов количественного измерения: алгоритм применения для зависимых выборок. Непараметрические критерии. Критерий знаков: назначение критерия его описание, область применения, алгоритм применения. Критерий Вилкоксона: для сравнения результатов количественного измерения. Критерий Фридмана: для сравнения результатов количественного измерения. Критерий тенденций Пейджа: для сравнения результатов количественного измерения.
Тема 10. Выявление различий в распределении признака. Критерий Пирсона: назначение критерия, его описание, область применения, алгоритм применения. Критерий Колмогорова–Смирнова для сравнения результатов количественного измерения: назначение критерия, его описание, область применения, алгоритм применения. Биномиальный критерий: назначение критерия, его описание, область применения, алгоритм применения.
Тема 11. Многофункциональные статистические критерии. Понятие многофункциональных статистических критериев. Критерий f* — угловое преобразование Фишера: назначение критерия, его описание, область применения, алгоритм применения. Биномиальный критерий m: назначение критерия, его описание, область применения, алгоритм применения. Многофункциональные критерии как эффективные заменители традиционных критериев. Алгоритм выбора многофункциональных критериев.
Тема 12. Дисперсионный анализ. Понятие дисперсионного анализа. Подготовка данных к дисперсионному анализу: создание комплексов, уравновешивание комплексов, проверка нормальности распределения результативного распределения признака, преобразование эмпирических данных с целью упрощения результатов. Однофакторный дисперсионный анализ для независимых выборок: назначение метода, его описание, область применения, алгоритм применения. Дисперсионный анализ для зависимых выборок: назначение метода, его описание, область применения, алгоритм применения. Дисперсионный двухфакторный анализ: обоснование задачи взаимодействия двух факторов. Дисперсионный двухфакторный анализ для случая независимых и для случая зависимых выборок: назначение метода, его описание, область применения.
Тема 13. Многомерные методы обработки данных. Многомерные методы обработки данных как дальнейшее развитие эмпирической математической модели в отношении многостороннего описания изучаемых явлений. Проблема искусственного интеллекта и программная реализация многомерных методов. Классификация многомерных методов обработки данных: по назначению, по способу сопоставления данных, по виду исходных данных.
Общее знакомство с методами многомерной обработки данных (назначение каждого метода и сфера его применения; математико-статистические идеи метода; исходные данные и требования к ним; процедура и результаты): множественный регрессионный анализ (МРА) как метод экстраполяции; множественный дискриминантный анализ как распознавание образов («классификация с обучением»); кластерный анализ как метод классификации автоматическая классификация, таксономический анализ, анализ образов без обучения); факторный анализ как метод структурирования эмпирической информации; многомерное шкалирование как метод выявления структуры множества объектов. Примеры использования многомерной обработки данных.
Тема 14. Компьютерные пакеты прикладных статистических программ и математическое моделирование. Математикостатистическая обработка результатов психологического исследования с использованием компьютерного пакета Statistica, SPSS, Statgrafic. Возможности и ограничения конкретных компьютерных методов обработки данных.
Стандарты обработки данных.
Нормативы представления результатов анализа данных в научной психологии.
Математическое моделирование и средства построения моделей: классификации, латентных структур, семантических пространств и т. п. Модели индивидуального и группового поведения. Моделирование когнитивных процессов и структур. Проблема искусственного интеллекта. Нетрадиционные методы моделирования.
Литература
Основная
1. Ермолаев, О. Ю. Математическая статистика для психологов. — М., 2002.
2. Наследов, А. Д. Математические методы психологического исследования: Анализ и интерпретация данных. — СПб., 2004.
3. Сидоренко, Е. В. Методы математической обработки в психологии. — СПб., 2000.
4. Суходольский, Г. В. Основы математической статистики для психологов. — Л., 1999.
Дополнительная
1. Бешелев, С. Д., Гурвич, Ф. Г. Математикостатистические методы экспертных оценок. — М., 1980.
2. Гласс, Дж., Стенли, Дж. Статистические методы в педагогике и психологии. — М., 1976.
3. Годфруа, Ж. Что такое психология? В 2-х т. Т. 2. — М., 1992.
4. Дрейпер, Н., Смит, Г. Прикладной регрессионный анализ. — М., 1973.
5. Захаров, В. П. Применение математических методов в социальнопсихологических исследованиях. — Л., 1985.
6. Ивантер, Э. В., Коросов, А. В. Основы биометрии: Введение в статистический анализ биологических процессов и явлений. — Петрозаводск, 1992.
7. Кендэл, М. Ранговые корреляции. — М., 1975.
8. Классификация и кластер / Ред. Дж. Вэн Райзин. — М., 1980.
9. Крылов, В. Ю. Геометрическое представление данных в психологических исследованиях. — М., 1980.
10. Лисенков, А. Н. Математические методы планирования многофакторных медикобиологических экспериментов. — М., 1979.
11. Лупандин, В. И. Математические методы в психологии. — Екатеринбург, 1996.
12. Математическая психология: Методология, теории, модели. — М., 1985.
13. Математические методы в исследованиях индивидуальной и групповой деятельности / Под ред. В. Ю. Крылова. — М., 1989.
14. Математические методы в социальных науках / Ред. П. Лазерсфельд, Н. Генри. — М., 1973.
15. Процесс социального исследования. — М., 1975.
16. Рунион, Р. Справочник по непараметрической статистике: Современный подход. — М., 1982.
17. Современная психология: Справочное руководство. — М., 1999.
18. Статистические методы анализа информации в социологических исследованиях. — М., 1979.
19. Тюрин, Ю. Н., Макаров, А. А. Анализ данных на компьютере / Под ред. В. В. Фигурнова. — М., 1995.
20. Факторный, дискриминантный и кластерный анализ. — М., 1989.
21. Харари, Ф. Теория графов. — М. 1973.
22. Харман, Г. Современный факторный анализ. — М., 1982.
23. Холлендер, М., Вульф, Д. А. Непараметрические методы статистики. — М., 1983.
Методические указания по прохождению педагогической практики
С 1997/98 учебного года для слушателей ВЕИП организована обязательная педагогическая практика
Педагогическая практика слушателей ВЕИП является неотъемлемой частью Учебного плана подготовки специалистов в В.-е. Институте психоанализа. Прохождение педагогической практики в установленном объеме лекционных и групповых практических занятий, а также — представление в Учебную часть Института требуемых учебно-методических разработок, является обязательным условием окончания слушателем полного курса обучения с записью в дипломе о праве преподавания основ психоанализа.